真面经，好答案。面试之前，先来面栈。

模型训练与对齐

本分类共 9 个专题 · 761 道题

已筛选

共 761 道题

排序：

4173
rollout 数量、batch size 与训练计算资源之间是什么关系？
模型训练与对齐分布式训练与计算硬件
原理机制
深入
1 篇面经1 个题集来源
4174
真实采样数量是否一定等于 rollout 数量？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经1 个题集来源
4175
强化学习训练中的拒绝采样如何工作？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经1 个题集来源
4339
GUI Agent 项目如何实现异步训练？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经1 个题集来源
4484
LoRA 微调时如何选择冻结参数和可训练层，依据是什么？
模型训练与对齐参数高效微调
技术决策
进阶
暂无面经2 个题集来源
4510
你是否做过 VLM 微调，使用了什么模型？
模型训练与对齐预训练、续训与 SFT
经历介绍
—
暂无面经2 个题集来源
4513
训练奖励模型时，成对偏好比较相比绝对打分有哪些优缺点？
模型训练与对齐训练数据构建与治理
比较选型
进阶
暂无面经2 个题集来源
4514
RLHF 为什么常选择 PPO，而不是 REINFORCE 或 Q-learning？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经2 个题集来源
4516
RLHF 离线奖励很高，但上线回答模式化、奉承且信息不足，应如何排查？
模型训练与对齐偏好对齐
故障排查
深入
暂无面经2 个题集来源
4637
自监督学习为什么对大语言模型预训练重要？
模型训练与对齐预训练、续训与 SFT
原理机制
基础
暂无面经2 个题集来源